使用 Amazon Personalize，只需按實際用量付費；既沒有最低費用，也沒有前期承諾。我們會根據您處理和儲存的資料量、訓練模型使用的運算時數，以及推薦的輸送量向您收費。
我們會根據上傳至 Amazon Personalize 的資料量以每 GB 計費。這包括串流至 Amazon Personalize 的即時資料，以及透過 Amazon S3 上傳的批次資料。
提供即時推薦時，我們會以 TPS 小時為單位 (進位到最接近的小時) 計算每小時輸送量並向您收費。計算方式為：最低佈建 TPS 或乘以處理請求的總時間後的實際 TPS (每小時內，以 5 分鐘為遞增單位)，以最大值為準。然後會彙總這些值為該月份的使用量，並根據定價方案收費。
TPS 小時 = (最低佈建 TPS、實際 TPS) 兩者中的最大值 x (5/60 分鐘)
批次推薦
針對批次推論任務，使用 ‘USER_PERSONALIZATION’ 和 ‘PERSONALIED_RANKING’ 方法時會依處理的使用者數量計費，而使用 ‘RELATED_ITEMS’ 方法時則會依處理的項目數量計費。
立即開始免費使用 AWS Personalize。註冊後，前兩個月可享有：
每月最多 20 GB
每月最多 100 個培訓小時
每月最多 50 個 TPS-小時的即時推薦
定價詳情
| 定價 | |
|---|---|
資料擷取 |
每 GB 0.05 USD |
培訓 |
每培訓小時 0.24 USD |
推薦 (推論) 即時 |
|
每月前 2 萬 TPS-小時 |
每 TPS-小時即時推薦 0.20 USD |
每月後 18 萬 TPS-小時 |
每 TPS-小時即時推薦 0.10 USD |
每月超過 20 萬 TPS-小時 |
每 TPS-小時即時推薦 0.05 USD |
批次推薦 |
|
每月前 2 千萬推薦 |
0.067 USD/1000 個推薦 |
每月後 1 億 8 千萬推薦 |
0.058 USD/1000 個推薦 |
每月超過 2 億推薦 |
0.050 USD/1000 個推薦 |
定價範例
媒體公司透過即時分析其使用者偏好和消費行為，來提供內容探索和推薦。他們單月上傳 200 GB 的資料，並每天培訓一個解決方案一次，每次培訓 20 分鐘，培訓共使用 10 個培訓小時。此外，客戶當月可使用720 個小時的 10 TPS 推論能力，藉此產生即時推薦。
當月使用 Amazon Personalize 的收費為：
資料處理和儲存費用 = 200 GB x 每 GB 0.05 USD = 10 USD
培訓費用 = 300 個培訓小時 x 每培訓小時 0.24 USD = 72 USD
推論費用 (即時) = 10 x 720 x 0.20 USD/TPS-小時 = 1440 USD
總費用 = 10 USD + 72 USD + 1440 USD = 1552 USD
為簡單起見，我們假設資料上傳量與訓練量和範例 1 的相同。
也就是：
資料處理和儲存費用 = 200 GB x 每 GB 0.05 USD = 10 USD
培訓費用 = 300 個培訓小時 x 每培訓小時 0.24 USD = 72 USD
但此時，我們將改變當天的請求輸送量。
推論使用量和費用：
在下表中，我們將逐步檢視可變流量情境，並計算一天使用量所消耗的 TPS 小時：
| 推論費用計算 | |||||
| 時間 | 時間 (經過時數) | 最低佈建 TPS | 實際 TPS | 最大值 (最低佈建 TPS、實際 TPS) | TPS 小時 (最大值 (最低佈建 TPS、實際 TPS) x 時間 (時數)) |
| 中午 12:00 - 下午 6:00 | 18 | 30 | 20 | 30 | 540 |
| 下午 6:00 - 晚上 10:00 | 4 | 30 | 40 | 40 | 160 |
| 晚上 10:00 - 晚上 11:00 | 1 | 30 | 5 | 30 | 30 |
| 上午 11:00 - 中午 12:00 | 1 | 20 | 0 | 20 | 20 |
| 總消耗 TPS 時數/天 | 750 | ||||
| TPS 時數/月 | 22500 | ||||
| 總推薦 (推論) 費用 | 使用量 TPS 時數 (依方案) | 單價 ($/TPS 小時) | 費用 ($) | ||
| 方案 1 | 20000 | 0.2 USD | 4,000 USD | ||
| 方案 2 | 2500 | 0.1 USD | 250 USD | ||
| 4,250 USD | |||||
某零售商使用批次推薦為其使用者產生項目推薦，用於個人化他們的電子郵件。假設模型以 10 GB 資料進行訓練，該訓練使用 50 個訓練小時，然後使用批次推論任務針對 1 百萬使用者產生推薦，為每個使用者產生 10 個項目推薦。
在這個案例中，使用 Personalize 的費用為
資料處理和儲存 = 10 GB x 0.05 USD/GB =0.5 USD
訓練費用= 50 個訓練小時 x 0.24 USD/訓練小時 = 12 USD
推論費用 = 1 百萬使用者* x 0.067 USD/1000 個推論 = 67 USD
*針對批次定價，使用以 ‘USER-PERSONALIZATION’ 方法類型為基礎的「解決方案」時，無論每個使用者請求的結果 (項目) 數量為何，針對每個使用者產生的推薦都計為 1 個推薦。同樣地，無論每個使用者重排的項目數量為何，使用 PERSONALIZED-RANKING 只需支付處理的使用者數量費用；使用 ‘RELATED_ITEMS’ 方法時，無論每個項目請求的類似項目數量為何，只需支付處理的項目數量費用。
